夜雨聆风凌晨 12 点，你终于把 PDF 丢进 AI。
你问它：
帮我总结一下这篇论文。
10 秒后，AI 给你吐出一大段：研究背景、研究方法、实验结果、结论意义……看起来很完整。
但你读完之后，还是一脸懵。
因为你真正想知道的不是“这篇论文讲了什么”，而是：
这篇论文到底值不值得我花时间精读？它跟我的课题有什么关系？我能不能用它写综述、做汇报、找创新点？
很多人用 AI 读文献没效果，不是 AI 不行，而是问题问错了。
“总结一下”太宽泛了。
它会让 AI 变成一个复读机器，而不是你的科研助理。
01 第一个问题：这篇论文到底想解决什么问题？
读任何论文，第一件事不是看方法，也不是看结果。
而是先问：
这篇论文的核心研究问题是什么？作者为什么要做这个研究？
这个问题能帮你判断：这篇文章是不是在你的研究范围内。
很多论文标题看起来相关，但真正的问题完全不同。
比如你研究的是“糖尿病肾病的炎症机制”，一篇文章标题里出现 diabetic kidney disease，并不代表它一定有用。它可能只是临床预测模型，也可能是药物疗效观察。
如果研究问题不对，后面读得再认真，都是浪费时间。
02 第二个问题：作者用了什么方法证明它？
接着问：
这篇论文用了哪些研究方法？样本/模型/实验设计是否可靠？
这个问题决定了文章的可信度。
同样是“发现某个通路参与疾病进展”：
- 只做了数据库分析
- 做了细胞实验验证
- 做了动物实验
- 还有临床样本支持
它们的证据强度完全不一样。
AI 可以先帮你把方法拆出来，让你快速判断：
这篇文章是值得精读，还是只能作为背景参考。
03 第三个问题：核心结果是什么？不要超过3点
不要让 AI 给你写一大堆结果。
你可以直接限制它：
请用 3 条以内总结这篇论文最重要的发现，每条都说明对应证据来自哪类实验或数据。
这样做有两个好处。
第一，逼 AI 抓重点。
第二，防止它把“背景描述”和“真正结果”混在一起。
一篇论文真正能被你记住的，通常也就 2-3 个核心结论。
如果 AI 总结出 10 条，那基本等于没有总结。
04 第四个问题：这篇论文的创新点和局限是什么？
这一步非常适合用在文献汇报和综述写作里。
你可以问：
这篇论文相比已有研究的新意在哪里？它的主要局限是什么？
创新点帮你判断它为什么值得引用。
局限性帮你判断它后面还能接什么研究。
很多时候，research gap 就藏在论文的 limitation 里。
比如：样本量太小、缺少长期随访、只做了动物模型、没有验证临床人群、机制链条不完整。
这些都可能变成你综述里的讨论点，也可能变成你课题设计的切入口。
05 第五个问题：它和我的课题关系有多大？
这是最关键的一问。
你不要只让 AI 评价论文好不好，而是让它评价：
请从 1-5 分判断这篇论文和我的课题【填入你的课题】的相关性，并说明理由。最后告诉我：它应该被归为“必读 / 泛读 / 暂时排除”哪一类。
这样 AI 才是在帮你做筛选，而不是单纯做摘要。
科研阅读最大的难点，不是“看懂一篇文章”。
而是从几十篇、几百篇文章里，判断哪些真正值得你投入精力。
可以直接复制的提示词
下面这个模板，你可以直接用：
请你作为医学科研助理，阅读这篇论文，并按照以下结构输出：
- 这篇论文的核心研究问题是什么？
- 作者用了哪些研究方法？证据强度如何？
- 最重要的核心结果是什么？请控制在3点以内，并说明对应证据。
- 这篇论文的创新点和局限性分别是什么？
- 如果我的课题是【填写你的课题】，请给出相关性评分（1-5分），并判断它属于：必读 / 泛读 / 暂时排除。
要求： - 不要泛泛总结 - 优先提取和课题相关的信息 - 如果论文证据不足，请明确指出</code></pre>
最后说一句
AI 读文献最常见的误区，是把它当成“总结工具”。
但更好的用法，是把它当成一个文献筛选和结构化助手。
你负责判断方向，AI 负责把信息先整理出来。
下一篇我会继续拆：
如果手里有 100 篇文献，怎么先用 AI 筛出 10 篇必读？
这一步，才是真正决定效率的地方。
如果你也经常被文献堆压住，可以先收藏这 5 个问题。下次读论文时，不要再问“总结一下”了。